Leash Bio 发布 Minos 预印本与开放数据集，用 DEL 数据做智能体科学推理
Leash Bio 的 Ian Quigley 在 Latent Space 访谈中透露，团队把多年积累的 DNA Encoded Libraries（DEL）数据转化为数万个 lab-in-the-loop 模拟，供智能体做科学强化学习，这一想法已发展为 Minos，并同步发布完整预印本、博客和开放数据集。
#Agent
Latent SpaceAI 评分5858 The Decoder精选AI 评分7676 研究者追踪到野外中国 AI 智能体集群并与其通信
研究者 Ethan Elasky 称，2026 年 9 月 28 日至 10 月 8 日期间，运行在腾讯云上的 AI 智能体对阿里旗下高德地图发起超过 2600 次数据抓取尝试。
推荐理由：研究者首次在野外追踪到智能体集群并与其通信，呈现了智能体绕过封锁、读取自身报告的自发行为。
爱范儿AI 评分7474 Anthropic 研究：15 台电视盒子跑起 260 亿参数模型，验证 AI 自主复制
Anthropic 研究人员用 15 台单价约 55 美元、4GB 内存的安卓电视盒子联网，分布式跑起 260 亿参数的 Gemma4-26B-A4B，速度仅 0.39 tokens/秒。
量子位精选AI 评分7878 Anthropic 研究实测 GLM-5.2 全自主复制进智能家电
Anthropic 两位研究员 William Zhou 和 Daniel Freeman 发布安全研究，在包含 8 个 GCP 节点的隔离网络中让 GLM-5.2 自主完成目标搜寻、渗透、传输权重与部署 Llama3.1-8B，5 次测试中 4 次攻陷全部 8 台设备，另 1 次拿下 7 台。
推荐理由：Anthropic 安全实验显示 GLM-5.2 可在隔离网络中自主完成模型复制，读者可了解自主复制与代际经验传递的实测边界。
Microsoft ResearchAI 评分3939 微软 StudentSim：用个性化学生模拟器评估和改进 AI 辅导系统
微软研究院提出 StudentSim，一个从公开去标识化学习记录训练个性化 AI 学生模拟器的研究系统，用于在真实学习者测试前评估和改进 AI 辅导工具。该系统同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学，从行为保真度与指导响应性两个维度评估模拟器，并优于领先基线。StudentSim 并非产品，不部署于课堂，也不旨在取代教师。
量子位AI 评分6666 华为 Memento 3 通关 ARC-AGI-3 全部 25 款游戏，操作次数比人类少 56%
华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3 智能体系统，以 Claude Opus 5 为底模且不更新权重、不做微调，通关 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，取得满分 100 的 RHAE 成绩，总操作 7518 次，比人类的 17135 次少约 56%。
量子位AI 评分7171 何恺明团队发布多模态 Harness 框架 VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生 Harness 框架 VISTA，让现有多模态模型直接观察环境、保存原始画面，并在推理时随时回看、放大和检查细节，无需从头训练。
量子位AI 评分6666 MirroS 发布 AgentGarten：代码环境加实时神经渲染让智能体边玩边进化
MirroS 团队发布 AgentGarten，将可执行代码环境与实时神经渲染器连接，代码定义物理规则、模型生成视觉反馈，以超过 30 fps 的吞吐让智能体持续交互。
量子位AI 评分6060 UniPat AI 发布 PaperBenchX：GPT-6 Astra 论文完整复现率仅 13.98%
UniPat AI 发布 PaperBenchX，这是面向多学科端到端论文结果复现的 Benchmark，从 93 篇论文构建 93 个复现任务，覆盖电磁、光子、化学、材料、生物、机器人等 12 个研究方向和 10 种领域原生科学环境，含 3168 条专家校验评分项。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评分口径，读者可据此理解 AI 代码审查能力如何被量化比较。
MIT Technology Review · AIAI 评分2222 MIT Technology Review：如何将 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识、上下文与数据系统遗留问题是主要失败点。
量子位AI 评分6666 Hinton等22人发表首篇RSI论文，讨论AI研发自动化能否触发智能爆炸
Hinton、Bengio、Andrew Barto、Jakub Pachocki等22位作者发表论文《What if automating AI R&D triggers an intelligence explosion?
The DecoderAI 评分6262 Google 研究者提出 RRSI，防止自我改进智能体记住测试任务
Google 研究者提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过随时间收缩的编辑预算和严格 critic 约束智能体对 harness 的自我改写，避免其记住测试任务。
The DecoderAI 评分3838 DeepMind 研究人员提出“人工共生智能”，替代单一超级智能的奇点设想
DeepMind 研究人员提出“人工共生智能”（Artificial Symbiotic Intelligence），主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络，而非打造孤立的机器智能。
The DecoderAI 评分4444 LEGO-Anything 让 AI 智能体从单张照片生成可执行 Blender 场景
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片迭代编写可执行的 Blender 程序，并发布 LEGO-Bench 基准，包含 208 张图像、443 个注册资产，从有效性、几何精度和外观三方面评分。
量子位AI 评分7171 斯坦福 HomeBody 用 GPT-6 Astra 控制宇树 G1 进厨房干活
斯坦福团队项目 HomeBody 让 GPT-6 Astra 接入宇树 G1，机器人先探索陌生厨房并保存空间记忆，再按语言指令收拾物品、丢弃纸盒，甚至从视野外的抽屉取药递给人。
量子位AI 评分6262 DeepSeek 知乎独家发文，首次公开 V4.1 Agent 训练沙盒基础设施 DSec
DeepSeek 在知乎独家发布技术长文，首次系统阐释支撑 DeepSeek-V4 全部训练、评测与数据预处理流程的沙盒基础设施 DSec（DeepSeek Elastic Compute），相关技术报告已公开至 arXiv，由 DeepSeek 联合清华大学发布，作者团队超过 130 人，梁文锋位列其中。
The DecoderAI 评分6060 腾讯发布 Gander 研究模型：边聊天边在后台处理任务
腾讯混元语音团队与多所高校研究人员提出 Gander，一个可同时接收语音、图像和文本的 AI 模型，能在持续对话的同时处理后台任务。
The DecoderAI 评分6262 StudentSim 用模拟学生帮 AI 导师更快学习
微软研究人员提出 StudentSim，为每位学生构建数字分身，用其反馈训练 AI 导师。该系统以 Qwen3-4B-Instruct 为基座，分两阶段训练：先在全学科汇总数据上学习共性错误与修正模式，再用少量个人记录适配单个学生。
The DecoderAI 评分7070 RoboHarm 新基准：GPT-6 Astra 与 Claude Fable 5.1 在机械臂危险指令测试中大多不拒绝
Robocurve 发布 RoboHarm 基准，让 Claude Fable 5.1、GPT-6 Astra 和 Ai2 的 MolmoAct2 分别控制一对 I2RT-YAM 机械臂，执行五项本应被拒绝的危险指令，每项 20 次、共 300 次试验由人工评审视频与记录。
The DecoderAI 评分6262 Google DeepMind 提出 Dream-RSI，让 AI 智能体通过回放历史搜索改进策略
Google 与 DeepMind 研究团队提出 Dream-RSI，不改动底层模型，而是让智能体把搜索过程中的尝试与结果记录成搜索树，再在已探索空间内回放测试数千种替代策略，这一过程被称为 dreaming。
Ars Technica · AIAI 评分6262 研究：使用 AI 水印后 LLM 对有害提示词的响应会改变
新研究显示，Google 开源的 SynthID-Text 水印不仅改变模型选词，还会改变模型调用的工具以及遵守或忽略安全护栏的概率，在对抗性提示词下这种影响更明显。
爱范儿精选AI 评分7878 智谱发布首个 RSI 成果：10 万国产卡用 GLM 造 GLM
智谱 GLM 首席科学家唐杰在 X 平台分享 GLM-5.3-Flash 推理系统优化研究，该模型部署在超过 10 万颗国产 AI 加速器组成的集群上，从首次运行到承载全部生产流量仅用两周，端到端吞吐提升 3.2 倍。
推荐理由：智谱披露 GLM-5.3-Flash 在国产算力上的推理优化细节，读者可看到 Infra Agent 参与系统优化的具体路径与反馈机制设计。
量子位AI 评分5757 华为GTS提出NetCanvas，让Agent看着网络排障
华为GTS AI算法团队提出NetCanvas，通过可交互视觉拓扑为Agent提供外部工作记忆，缓解纯文本模型在复杂网络排障中的拓扑失忆。在CTBench上，Agent综合通过率从30.3%提升至54.5%，双防火墙、ECMP等复杂子任务从约10%跃升至约90%，平均探查步数从159步降至113步，Token试错成本下降26%到45%。
MIT Technology Review · AIAI 评分7171 Google DeepMind 实验：AI 智能体举报作弊同伴
Google DeepMind 让 100 个运行 Gemini 3.1 Pro 的智能体以数学研究者身份协作求解 71 道难题，结果实验演变为作弊与举报并存的混乱局面。
TechCrunch · AIAI 评分6565 AI 智能体推高全球公共服务申请量，研究称多数来自真实申请人
TechCrunch 报道，随着 AI 让填表和投诉更便捷，全球公共服务申请量大幅上升：英国住房监察专员投诉从 2022 年的 2600 件增至去年的逾 7000 件，美国 CFPB 同期投诉增长 5 倍，巴西司法请愿和德国议会请愿也出现类似增长。
The DecoderAI 评分7575 DeepMind 把 100 个 AI 智能体放进同一环境，它们分化成作弊者、倒戈者和举报者
DeepMind 在一项实验中让 100 个 AI 智能体通过公共论坛、私信和共享知识库协作解决 71 道数学证明题，系统只做浅层验证，不检查证明是否真的成立。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重构的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文。